html - 如何搜索特定文本并回显该特定文本的下一个字符？

Question

我有一个项目要求，在搜索特定文本后需要打印文本的下一个字符。

为了更好地理解，这里举个例子。

我有一个index.html文件，想在搜索文本后打印一个特定的文本。

问题：我有文本<b>WELCOME</b>。index.html现在我想搜索<b>，打印文本WELCOME直到</b>。

bash# cat index.html | grep "" ?? 

请帮助我在 Linux 中使用 shell 命令或 shell 脚本打印此内容。

Answer 1

您可以为此使用 sed：

sed -n -e 's/.*<b>\([^<]*\)<\/b>.*/\1/p' index.html

“-n”标志告诉 sed 只打印你告诉它的行。

“s”命令将用另一个字符串替换与正则表达式匹配的字符串。我将尝试解释正则表达式（regex）：

1. .*匹配一个字符序列
2. <b>匹配相应的字符串
3. \([^<]*\)稍微复杂一点。对于初学者，以反斜杠为前缀的括号告诉 sed 将匹配的内容存储到辅助变量中。[^<]匹配除字符之外的任何字符，<后面的星号表示它应该匹配它的序列（即不是的字符序列<）。
4. <\/b>匹配</b>字符串，但我们必须用反斜杠转义斜杠字符，以免 sed 误以为它是正则表达式的结尾。
5. .*匹配另一个字符序列

在正则表达式之后，一个字符串告诉 sed 使用什么作为替换。在这种情况下，它只是\1告诉 sed 打印第一个捕获组（即，在这种情况下，上面第 3 部分匹配的所有内容，这意味着和之间的所有内容<b>）</b>。

最后在最后一个斜线之后，我们告诉 sed 打印带有“p”字符的替换行。如果一行与正则表达式不匹配，则不会打印，因为我们使用了上面的“-n”标志。

希望这会有所帮助=)

Answer 2

以快速而肮脏的方式打印当前页面标题的示例：

wget -q -O - 'http://tinyurl.com/9n6wayk' |
    sed -n '/<title>/{s:<title>\(.*\)</title>:\1:;p;q;}'

sed 命令详细说明：

• 该-n选项仅显示匹配行
• //开头的部分就像一个grep：我们使用匹配线
• 是{}用来附上命令的
• thes:::是一个替换（分隔符可以是任何字符，默认是/）
• 正在\(.*\)抓拍
• \1 是捕获的字符串
• p是否可以打印修改后的字符串
• q匹配线后是否有退出

更简洁的方法是在 Python、Ruby 或 Perl 等第三代语言中使用Xpath。

在当前 stackoverflow 页面的 shell 中使用 Xpath 的简单方法：

xmllint 2>/dev/null --html \
    --xpath '/html/head/title/text()' \
    http://tinyurl.com/9n6wayk

xmllint是libxml的一部分